<![CDATA[Perubahan pola konsumsi masyarakat yang cenderung mengarah pada makanan instan rendah gizi meningkatkan risiko malnutrisi. Keterbatasan akses terhadap layanan konsultasi gizi menjadi salah satu alasan perlunya solusi digital yang mampu memberikan rekomendasi gizi yang tepat. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi makanan harian berbasis knowledge graph dengan menerapkan metode forward chaining sebagai mekanisme inferensi untuk memenuhi kebutuhan gizi pengguna secara personal. Sistem dibangun melalui tiga tahapan utama, yaitu preprocessing data makanan, pembangunan knowledge graph sebagai representasi pengetahuan, serta penerapan forward chaining untuk menarik kesimpulan berdasarkan aturan-aturan gizi yang telah ditentukan. Selain itu, logika fuzzy digunakan untuk mengklasifikasikan status gizi berdasarkan nilai Indeks Massa Tubuh (IMT), guna mendukung personalisasi rekomendasi. Hasil implementasi menunjukkan bahwa sistem mampu mengidentifikasi kebutuhan nutrisi harian dan memberikan rekomendasi makanan yang sesuai. Evaluasi menggunakan metrik Average Nutrient Coverage (ANC) menunjukkan tingkat kecocokan sebesar 94,33% pada lima kategori utama: energi, protein, lemak, karbohidrat, dan serat pangan. Sistem diimplementasikan dalam bentuk antarmuka web interaktif, di mana pengguna dapat memasukkan data pribadi seperti usia, jenis kelamin, tinggi badan, berat badan, tingkat aktivitas, dan riwayat konsumsi makanan]]>
Copyrights © 2025
